高速图像小波分解算与FPGA实现.pdfVIP

高速圈像小渡分解算法与FPGA实现 ，) …f』 D 摘要：小波分析是信息处理领域的一种重要处理方法，但是小波分解巨大的运算量却严重束 缚了其在实时处理领域中的应用。提出了一种基于FPGA实现的高速小波分解方法，该方法采用新的 小波分解结构，使多层分解得以同时进行，从而使小波分解的速度达到高速输入图像的数据率；并适 当选取了数据结构，使得经分解、重构后所得图像的峰值信噪比运到无穷大。这种方法大大提高了硬 件系统进行小波分解的速度，在小波分解的性能和硬件实现的资源消耗上找到了一个较优的结合点。 关键词：小波分析 图像处理 图像压缩 实时处理FPCA }j前，小波分析在许多科学与工程领域中得到了广 重掏算法的公式如下： 泛研究和鹿J}j。由其弓I出的多分辨分析方法，更是成为 图像压缩、图像分割、特征提取、语音识别等方面的一种 F：：．“=∑【L?fi。。!。，+H：：fs。，一：。，l (2) 有力一[具。但是，随着它在实际_亡程中应用的不断深入， 1．2二维Ma¨at算法 研究人员发现，在数据速率很高的情况下，现有的硬件系 在图像处理领域，需要进行处埋的通常是二维罔 统很难承担实时处理的巨大运算量。因此，研究适合硬件 形。因此，将Mallat算法扩展到二维空问．适当地选取一 实现的小波分解算法和改进小波分解的硬件实现方法． 组行和列变换正交的小波系数，对图像(或分解后的低 便成为小波分析应_}}j于工程实际的两大关键课题。 频子图)分别进行行变换和列变换。然后，根据后续的具 本文将阐述一种基于FPGA(现场可编程逻辑阵列) 体应用对』v次分解所得的罔像在小同的分辨率下进行分 芯片实现的高速图像小渡分解方法，较好地解决了运算 量大和要求实时处理的矛盾。 1二维小波分解和重构算法 上 1．1 M alIal算法 当前．在小波分析的研究领域，通常采用多分辨分 m 解和合成的金字塔算法，即Mallat算法。Mallal算法的基 儿 本思想足：将一个分辨率为l的原始信号F(n)进行Ⅳ层 分解，分解成一个分辨率为2“的低频信号L。4和一系 Ⅲ 列高频信号日：：：(o(i≤『v)。其流程如图l所示。 匿2单级二维Mdk分解算法结构 分解算法的公式如下： 1．3CDF9／7系数 ￡器∑F?，”^。。 在进行二维Mallal分解时需选取一组正交的小波系 (1) 数：经过小波算法研究人员的多年研究，目前已经找出 ，． ，；，》∑F：i“轧。， r多组小波系数。其中以cDF9／7系数应用最为普遍， 重构算法是分解过程的逆过程，经过逆滤波就能恢 是，cDF9／7系数通常采用浮点进行计算，在进行商速处 复出原始的信号序列。 理时不便于硬件实现。因此，选取n=0．5 示，滤波器的系数可以表示成分母为2